#semantic-segmentation Repository
Scopri 110 repository GitHub open source attivi contrassegnati con #semantic-segmentation, che raccolgono un totale di 387,910 stelle (con una media di 3,526 stelle per progetto). Il progetto leader di questo argomento è ultralytics/ultralytics, con 63,640 stelle.
110 repository in totale
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Label Studio è uno strumento per l'etichettatura e l'annotazione di dati di tipo multiplo con formato di output standardizzato
CVAT è una piattaforma leader per l’annotazione dei dati relativi a dataset di immagini, video, audio e 3D. Offre prodotti open source, cloud ed enterprise, oltre a servizi di labeling, con labeling assistito dall’IA, garanzia della qualità, collaborazione in team, analisi e API per sviluppatori.
Annotazione immagini con Python. Supporta poligono, rettangolo, cerchio, linea, punto e annotazione assistita da IA.
Questa è un'implementazione ufficiale per "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
Codice e modelli PyTorch per il metodo di apprendimento auto-supervisionato DINOv2.
Modelli di segmentazione semantica con oltre 500 backbone convoluzionali e basati su transformer pre-addestrati.
Implementazione di U-Net in PyTorch per la segmentazione semantica delle immagini con immagini di alta qualità
[CVPR 2024 Oral] InternVL Family: Un'alternativa open-source pionieristica a GPT-4o. Un modello di dialogo multimodale open-source con prestazioni vicine a GPT-4o.
Libreria per la segmentazione delle immagini facile da usare con un fantastico zoo di modelli pre-addestrati, che supporta un'ampia gamma di compiti pratici in Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, ecc.
Strumenti per Progettare o Visualizzare l'Architettura di una Rete Neurale
Implementazione PyTorch per Semantic Segmentation/Scene Parsing sul dataset MIT ADE20K
Una lista curata di strumenti fantastici per l'etichettatura dei dati
Annotare i propri set di dati, addestrare, valutare, testare e distribuire i propri algoritmi di intelligenza artificiale
[ICML 2024] Vision Mamba: Apprendimento efficiente di rappresentazioni visive con modelli di spazio degli stati bidirezionali
pySLAM è una pipeline SLAM Visivo ibrida Python/C++ che supporta telecamere monoculari, stereo e RGB-D. Fornisce un vasto insieme di moderni estrattori di caratteristiche locali e globali, molteplici strategie di chiusura del loop, un modulo di ricostruzione volumetrica, modelli integrati di previsione della profondità e capacità di segmentazione semantica per una migliore comprensione della scena.
Implementazione di Segnet, FCN, UNet, PSPNet e altri modelli in Keras.
Minkowski Engine è una libreria di reti neurali con auto-differenziazione per tensori sparsi ad alta dimensionalità
Sintesi di articoli correlati sull'attenzione visiva. Il codice correlato verrà gradualmente rilasciato su Jittor.
[CVPR 2023 Highlight] InternImage: Esplorazione di modelli di fondazione visiva su larga scala con convoluzioni deformabili
[Premio IEEE TMI per il miglior articolo] Implementazione ufficiale di UNet++
[CVPR 2025] Implementazione ufficiale PyTorch di MambaVision: Un backbone ibrido Mamba-Transformer per la visione
Una libreria e framework open source per il deep learning su immagini satellitari e aeree.
Qwen-Image-Layered: Decomposizione a Strati per Modificabilità Inerente
Collabora ed etichetta qualsiasi tipo di dato, immagine, testo o documento, in una semplice interfaccia web o applicazione desktop.
[Presentazione orale a CVPR'24] Repository ufficiale di Point Transformer V3 (PTv3). Include anche un pacchetto PyTorch + Triton installabile con pip, con gli encoder preaddestrati Sonata, Concerto e Utonia.
Strumento di etichettatura web per immagini bitmap e nuvole di punti
Core ML model zoo per iOS/macOS — Modelli PyTorch convertiti in .mlpackage pronti all'uso, ognuno con uno script di conversione e un'app di esempio in SwiftUI. I repository correlati coprono il framework Core AI di Apple (iOS/macOS 27) e gli LLM on-device.
:art: Modelli, dataset e perdite di segmentazione semantica implementati in PyTorch.
Addestramento all-in-one per modelli di visione (YOLO, ViTs, RT-DETR, DINOv3): pre-addestramento, fine-tuning, distillazione.
Piattaforma open-source per l'annotazione di dati multimodali con supporto per auto-annotazione AI.
[CVPR 2023] OneFormer: Un Transformer per dominare la segmentazione universale delle immagini
Questo è il codice sorgente di unet-pytorch, puoi addestrare i tuoi modelli
Domande frequenti
Qual è il repository #semantic-segmentation più popolare su GitHub?
Il progetto open source #semantic-segmentation più alto in classifica su GitHub è ultralytics/ultralytics, con 63,640 stelle. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Quali linguaggi di programmazione sono più utilizzati nei repository #semantic-segmentation?
Tra i progetti #semantic-segmentation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, TypeScript.
Come viene calcolata la classifica dei repository #semantic-segmentation?
Monitoriamo 110 repository open source attivi contrassegnati con #semantic-segmentation (500+ stelle), per un totale di 387,910 stelle e una media di 3,526 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.